opencv: 形态学 转换(图示+源码)
综述
OpenCV中的形态学转换操作有七种：腐蚀，膨胀，开运算，闭运算，形态学梯度，礼帽，黑帽。
API参照表
| 中文名 | 英文名 | api | 原理 | 个人理解 |
|---|---|---|---|---|
| 腐蚀 | erode | erosion = cv2.erode(src=girl_pic, kernel=kernel) | 对滑窗中的像素点按位乘，再从中取最小值点作为输出。可以去浅色噪点 | 浅色成分被腐蚀 |
| 膨胀 | dilate | dilation = cv2.dilate(src=girl_pic, kernel=kernel) | 对滑窗中的像素点按位乘，再从中取最大值点作为输出。可以增加浅色成分 | 浅色成分得膨胀 |
| 开运算 | morphology-open | opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel) | 先腐蚀，后膨胀，去白噪点 | 先合再开，对浅色成分不利 |
| 闭运算 | morphology-close | closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel) | 先膨胀，后腐蚀，去黑噪点 | 先开再合，浅色成分得势 |
| 形态学梯度 | morphology-grandient | gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel) | 一幅图像腐蚀与膨胀的区别，可以得到轮廓 | 数值上解释为：膨胀减去腐蚀 |
| 礼帽 | tophat | tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel) | 原图像减去开运算的差 | 数值上解释为：原图像减去开运算 |
| 黑帽 | blackhat | blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel) | 闭运算减去原图像的差 | 数值上解释为：闭运算减去原图像 |
实验思路：
- 写代码，实现OpenCV 自带的 七种形态学转换操作，并将生成的图片存入 pic 文件夹；
- 用 礼帽生成图 加上 开运算生成图，看看能否得到 原图，并将生成的图片存入 pic 文件夹；
- 用 闭运算生成图 减去 黑帽生成图，看看能否得到 原图，并将生成的图片存入 pic 文件夹；
- 如果成功，则验证自己的思路是正确的 。
Demo:
原始图像
（../pic/girl.jpg）：
七种形态学转换操作
erode 腐蚀（../pic/erosion.jpg）：
dilate 膨胀 （../pic/dilation.jpg）：
open 开运算 （../pic/opening.jpg）：
close 闭运算 （../pic/closing.jpg）：
gradient 形态学梯度 （../pic/gradient.jpg）：
tophat 礼帽 （../pic/tophat.jpg）：
blackhat 黑帽 （../pic/blackhat.jpg）：
通过转换后的图像得到原图像
cv2.add(open, tophat) cv2.add(开运算, 礼帽) （../pic/open_and_tophat.jpg）：
close-blackhat 闭运算-黑帽 （../pic/close_subtract_blackhat.jpg）：
附上自己写的实验代码：
# -*- coding: utf-8 -*-
import cv2
import numpy as np
girl_pic = cv2.imread('../pic/girl.jpg')
kernel = np.ones((5, 5), np.uint8)
# erode 腐蚀
erosion = cv2.erode(src=girl_pic, kernel=kernel)
cv2.imshow('erosion', erosion)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/erosion.jpg', erosion)
# dilate 膨胀
dilation = cv2.dilate(src=girl_pic, kernel=kernel)
cv2.imshow('dilation', dilation)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/dilation.jpg', dilation)
# open 开运算
opening = cv2.morphologyEx(girl_pic, cv2.MORPH_OPEN, kernel)
cv2.imshow('opening', opening)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/opening.jpg', opening)
# close 闭运算
closing = cv2.morphologyEx(girl_pic, cv2.MORPH_CLOSE, kernel)
cv2.imshow('closing', closing)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/closing.jpg', closing)
# gradient 形态学梯度
gradient = cv2.morphologyEx(girl_pic, cv2.MORPH_GRADIENT, kernel)
cv2.imshow('gradient', gradient)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/gradient.jpg', gradient)
# tophat 礼帽
tophat = cv2.morphologyEx(girl_pic, cv2.MORPH_TOPHAT, kernel)
cv2.imshow('tophat', tophat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/tophat.jpg', tophat)
# blackhat 黑帽
blackhat = cv2.morphologyEx(girl_pic, cv2.MORPH_BLACKHAT, kernel)
cv2.imshow('blackhat', blackhat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/blackhat.jpg', blackhat)
# cv2.add(open, tophat) cv2.add(开运算, 礼帽)
open_and_tophat = cv2.add(opening, tophat)
cv2.imshow('open_and_tophat', open_and_tophat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/open_and_tophat.jpg', open_and_tophat)
# close-blackhat 闭运算-黑帽
close_subtract_blackhat = closing - blackhat
cv2.imshow('close_subtract_blackhat', close_subtract_blackhat)
cv2.waitKey(2000)
cv2.destroyAllWindows()
cv2.imwrite('../pic/close_subtract_blackhat.jpg', close_subtract_blackhat)实际遇到的问题及解决方法：
一开始设计实验时，用礼帽生成的图像加上开运算生成的图像能够得到原图，用黑帽生成的图像加上闭运算生成的图像却得不到原图，反而得到一张比闭运算图像更浅色的图片（如下）：
想了一下，发现了问题所在：书上对黑帽的定义是：
进行闭运算之后得到的图像和原始图像的差
但是却没有说清楚被减数和减数分别是谁。根据闭运算和黑帽的定义，我觉得应该是：
黑帽 = 闭运算 - 原图
即可得：
原图 = 闭运算 - 黑帽
修改代码后进行验证，果然生成了原图像：
